darknet（YOLO）源码解析--测试（一）

代码小白，第一次认真看大段大段的代码，基础知识严重欠缺，如有错误望指正。

进入正题：
测试命令示例：

$./darknet detector test cfg/voc.data cfg/tiny-yolo-voc.cfg results/tiny-yolo-voc_6000.weights data/images.jpg

一、main函数

目前最新版本的darknet中，darknet.c和detector.c都在examples文件夹中。
首先，从主函数开始解析命令行参数，然后根据不同的命令行参数进入不同的调用方法。（本文不考虑GPU部分代码）

//darknet.c

int main(int argc, char **argv)
{
    //test_resize("data/bad.jpg");
    //test_box();
    //test_convolutional_layer();
    //如果没有任何命令行参数，则打印一句提示信息：Usage: [应用程序名称] <function>，即告诉你要指定一个命令行参数。
    if(argc < 2){
        fprintf(stderr, "usage: %s <function>\n", argv[0]);
        return 0;
    }

    if (0 == strcmp(argv[1], "average")){
        average(argc, argv);
    }  else if (0 == strcmp(argv[1], "detector")){
        run_detector(argc, argv);
    }//第一个参数是detector，跳转到run_detector函数
    return 0;
}

附：1、fprintf函数
作用：格式化输出到一个流/文件中；
函数原型：

int fprintf( FILE *stream, const char *format, [ argument ]...)

fprintf()函数根据指定的格式(format)向输出流(stream)写入数据(argument)。

2、stderr – 标准错误输出流
作为程序运行过程中的错误显示出来的，默认像屏幕输出，具体看程序执行时stderr重定向到哪。

3、if(argc < 2)语句
argv[0]：第一个命令行参数darknet就是应用程序的名称，因此如果指定了一个命令行参数，那argc就为2。

二、run_detector函数

//detector.c

void run_detector(int argc, char **argv)
{
     //检查是否有参数prefix，默认值是0
    char *prefix = find_char_arg(argc, argv, "-prefix", 0);
    //检查是否有参数thresh参数，thresh为输出的阈值，默认值是0.24
    float thresh = find_float_arg(argc, argv, "-thresh", .24);
    //检查是否有参数hier_thresh,默认为0.5
    float hier_thresh = find_float_arg(argc, argv, "-hier", .5);
    //检查是否有参数cam_index,默认为0
    int cam_index = find_int_arg(argc, argv, "-c", 0);
    //检查是否有参数frame_skip,默认为0
    int frame_skip = find_int_arg(argc, argv, "-s", 0);
    //检查是否有参数avg,默认为3
    int avg = find_int_arg(argc, argv, "-avg", 3);
    //如果输入参数小于4个，输出正确的命令格式：[应用程序名称][yolo/detector...][train/test/valid][cfg][weights (optional)]
    if(argc < 4){
        fprintf(stderr, "usage: %s %s [train/test/valid] [cfg] [weights (optional)]\n", argv[0], argv[1]);
        return;
    }

    //检查是否指定GPU运算
    char *gpu_list = find_char_arg(argc, argv, "-gpus", 0);
    char *outfile = find_char_arg(argc, argv, "-out", 0);
    int *gpus = 0;
    int gpu = 0;
    int ngpus = 0;
    if(gpu_list){
        printf("%s\n", gpu_list);
        int len = strlen(gpu_list);
        ngpus = 1;
        int i;
        for(i = 0; i < len; ++i){
            if (gpu_list[i] == ',') ++ngpus;
        }
        gpus = calloc(ngpus, sizeof(int));
        for(i = 0; i < ngpus; ++i){
            gpus[i] = atoi(gpu_list);
            gpu_list = strchr(gpu_list, ',')+1;
        }
    } else {
        gpu = gpu_index;
        gpus = &gpu;
        ngpus = 1;
    }

    //检查clear参数
    int clear = find_arg(argc, argv, "-clear");
    int fullscreen = find_arg(argc, argv, "-fullscreen");
    int width = find_int_arg(argc, argv, "-w", 0);
    int height = find_int_arg(argc, argv, "-h", 0);
    int fps = find_int_arg(argc, argv, "-fps", 0);

    //data文件的路径存为argv数组的第四个元素
    char *datacfg = argv[3];
    //cfg文件的路径存为argv数组的第五个元素
    char *cfg = argv[4];
    //当参数大于5个时，权重为argv数组的第六个元素的内容
    char *weights = (argc > 5) ? argv[5] : 0;
    //当参数大于6个时，权重为argv数组的第七个元素的内容，即示例中需检测图片的路径
    char *filename = (argc > 6) ? argv[6]: 0;
    //根据第三个参数（即argv[2]）的内容，调用不同的函数，并传入datacfg,cfg等参数
    //示例中第三个参数是test，进入test_detector参数
    if(0==strcmp(argv[2], "test")) test_detector(datacfg, cfg, weights, filename, thresh, hier_thresh, outfile, fullscreen);
    else if(0==strcmp(argv[2], "train")) train_detector(datacfg, cfg, weights, gpus, ngpus, clear);
    else if(0==strcmp(argv[2], "valid")) validate_detector(datacfg, cfg, weights, outfile);
    else if(0==strcmp(argv[2], "valid2")) validate_detector_flip(datacfg, cfg, weights, outfile);
    else if(0==strcmp(argv[2], "recall")) validate_detector_recall(cfg, weights);
    else if(0==strcmp(argv[2], "demo")) {
        list *options = read_data_cfg(datacfg);
        int classes = option_find_int(options, "classes", 20);
        char *name_list = option_find_str(options, "names", "data/names.list");
        char **names = get_labels(name_list);
        demo(cfg, weights, thresh, cam_index, filename, names, classes, frame_skip, prefix, avg, hier_thresh, width, height, fps, fullscreen);
    }
}

三、test_detector函数

//detector.c

void test_detector(char *datacfg, char *cfgfile, char *weightfile, char *filename, float thresh, float hier_thresh, char *outfile, int fullscreen)
{
    //options读取data文件的内容，其中包含类别文件（.names）所在路径，两个txt文件（分别记录训练集、测试集图片的绝对路径）所在路径等。
    list *options = read_data_cfg(datacfg);
     //从option中查找names对应的value，如没有，使用默认值“data/names.list”
     char *name_list = option_find_str(options, "names", "data/names.list");
    //从.names文件中得到标签（即xml文件中的类别）名称
    char **names = get_labels(name_list);

    //加载位于data/labels下ASCII码为32-127的8种尺寸的图片，用于显示标签用的字符图片
    image **alphabet = load_alphabet();
    //用netweork.h中自定义的network结构体存储yolo模型文件（cfg文件）,parse_network_cfg函数位于parser.c
    network net = parse_network_cfg(cfgfile);
    ///读取yolo模型训练得到的权重文件
    if(weightfile){
        load_weights(&net, weightfile);
    }
    //每层batch设置为1，表示一张一张地去检测图片
    set_batch_network(&net, 1);
    //随机数种子
    srand(2222222);
    double time;
    //定义input指针指向buff数组，用于存放需检测图片的路径
    char buff[256];
    char *input = buff;   
    int j;
    float nms=.3;
    while(1){
        if(filename){
            strncpy(input, filename, 256);
        } else {       //命令行参数中没有指定检测图片的路径
            printf("Enter Image Path: ");
            fflush(stdout);
            input = fgets(input, 256, stdin);
            if(!input) return;
            strtok(input, "\n");
        }

        //加载图片，默认当做彩色处理
        image im = load_image_color(input,0,0);
        //调整输入图片尺寸
        image sized = letterbox_image(im, net.w, net.h);
        //image sized = resize_image(im, net.w, net.h);
        //image sized2 = resize_max(im, net.w);
        //image sized = crop_image(sized2, -((net.w - sized2.w)/2), -((net.h - sized2.h)/2), net.w, net.h);
        //resize_network(&net, sized.w, sized.h);
        layer l = net.layers[net.n-1];

        box *boxes = calloc(l.w*l.h*l.n, sizeof(box));
        float **probs = calloc(l.w*l.h*l.n, sizeof(float *));
        for(j = 0; j < l.w*l.h*l.n; ++j) probs[j] = calloc(l.classes + 1, sizeof(float *));
        float **masks = 0;
        if (l.coords > 4){
            masks = calloc(l.w*l.h*l.n, sizeof(float*));
            for(j = 0; j < l.w*l.h*l.n; ++j) masks[j] = calloc(l.coords-4, sizeof(float *));
        }

        float *X = sized.data;
        time=what_time_is_it_now();
        //预测
        network_predict(net, X);
        printf("%s: Predicted in %f seconds.\n", input, what_time_is_it_now()-time);
        get_region_boxes(l, im.w, im.h, net.w, net.h, thresh, probs, boxes, masks, 0, 0, hier_thresh, 1);
        if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);
        //else if (nms) do_nms_sort(boxes, probs, l.w*l.h*l.n, l.classes, nms);
         //画预测结果
        draw_detections(im, l.w*l.h*l.n, thresh, boxes, probs, masks, names, alphabet, l.classes);
        //保存标记了预测标签的图片
        if(outfile){
            save_image(im, outfile);
        }
        else{
            save_image(im, "predictions");
#ifdef OPENCV
            cvNamedWindow("predictions", CV_WINDOW_NORMAL); 
            if(fullscreen){
                cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
            }
            show_image(im, "predictions");
            cvWaitKey(0);
            cvDestroyAllWindows();
#endif
        }

        free_image(im);
        free_image(sized);
        free(boxes);
        free_ptrs((void **)probs, l.w*l.h*l.n);
        if (filename) break;
    }
}

其中重要的函数下一篇详解。